问题标签 [complex-networks]

如何将节点移除模拟为随机和有针对性的攻击？我可以计算总步骤，直到网络崩溃，但我想绘制它。

我有一个图 G = (V,E)，V 是节点集，E 是边集。我有两种类型的节点：源节点和消费者节点（源节点的数量远低于消费者节点）。节点具有地理位置。

我想将图划分为子图的集合，这些子图是：

a- 连通子图，

b- 适当大小（分区大小必须平衡；但不一定相等。例如在 2000-3000 个节点之间），

c- 分区最好直接连接到源。因此，如果分区中没有 Source，则分区到 Source 节点的路径不应包含其他分区中的任何节点。（最重要的约束）

d- 分区中的节点应该彼此靠近（地理上）

最小割集是可取的。源节点可以与其他分区隔离（可以在一个分区中；仅它们自己）。

我可以使用任何现有的分区技术吗？任何形式的帮助都将不胜感激。

我刚读完有关检测社区的技术。困扰我的一件事是，有没有一种方法，或者是否有一些网络可以使用模块化优化方法而不是使用链接社区方法来检测社区？我能够找到一个反过来工作的网络（链接社区方法有效，但模块化优化没有）。从本质上讲，使用链接相似性来查找社区的缺陷是什么，以及在哪些情况下模块化更可取。

谢谢

我有一个数据集，希望通过社区结构来模拟传播动态。我遵循的步骤是

1. 使用 Networkx 将数据导入复杂网络
2. 将网络划分为一些称为社区的模块
3. 模拟 SIS 模型并绘制有和没有社区的图。

在第 2 步和第 3 步之间有些东西让我感到困惑。分区后，我得到了一些包含节点编号的社区。社区编号和节点编号是第 3 步的唯一输入，我如何模拟有和没有社区的 SIS？

我有一个描述巨大网络的数据库。它由大约 18000 个顶点组成。现在我需要找到一对节点之间所有可能的最短路径。我已经尝试实现迭代 DFS，但问题是指数增长。所需的时间量变得巨大，因为顶点具有高出度。你能建议一些工作更快的算法吗？我拥有的复杂网络是定向和加权的。任何建议都会有很大帮助。

谢谢， 埃克塔

我正在编写一个使用 BGL 对图形执行一些计算的函数。计算的方式取决于图是否有向，但我想避免编写两个不同的函数，一个用于无向图，一个用于有向图。两种类型的图定义如下

有没有办法检查图形是否从图形对象本身定向？换句话说，有没有办法从图形对象中知道所使用的“有向性”属性（即，无向S、双向S 或有向S）？

您好，我有一个特定格式的网络，即.gdf. 但是，这是以下格式的文本文件

其中第一部分是指节点，第二部分是指边。

我想添加功能来读取文件并向节点添加功能并返回以下内容：

我们可以使用 R 在没有循环的情况下找到图中所有顶点对的公共邻居吗？

例如，我们使用以下命令在 TD1 图中查找节点 1 和 2 的公共邻居：

intersect(neighborhood(graph=TD1,order=1,nodes=1),neighborhood(graph=TD1,order=1,nodes=2))

但是我需要找到每对顶点的共同邻居，并且因为图很大，所以使用循环非常耗时！这个程序有功能吗？

我正在使用 R 编程在复杂网络中寻找有影响力的节点。我想使用度中心性，这意味着一个节点在图中的邻居数量。我有一个图表和每个节点的度中心性。现在我想知道当我们开始从每个节点传播病毒时，在指定时间内会有多少节点被感染。根据我的研究，我应该使用我在“igraph”包中找到的 SIR（易感、感染、恢复）流行病模型，问题是我无法指定起始节点。似乎这个函数基于 SIR 方程工作：

其中 beta 是感染参数，gamma 是恢复参数。这是 igraph SIR 代码：

似乎大部分工作都在“R_igraph_sir”中完成，但我在那个包中找不到这样的功能。有没有办法设置起始节点？

我想L = laplacian(G)从图形数据集计算。我导入了包含两列的数据集：FromNodeId 和 ToNodeId：

为此，我需要先找到，G所以我使用G = graph(FromNodeId, FromNodeId). 当我这样做时，我收到了这个错误：

我不知道为什么！我可以得到解决方案吗？谢谢你。